余弦相似度返回错误距离

我有两个向量表示为HashMap，我想测量它们之间的相似度。我用的是余弦相似度量如下面的代码：余弦相似度返回错误距离

public static void cosineSimilarity(HashMap<Integer,Double> vector1, HashMap<Integer,Double> vector2){ 
double scalar=0.0d, v1Norm=0.0d, v2Norm=0.0d; 

for(int featureId: vector1.keySet()){ 
    scalar+= (vector1.get(featureId)* vector2.get(featureId)); 
    v1Norm+= (vector1.get(featureId) * vector1.get(featureId)); 
    v2Norm+= (vector2.get(featureId) * vector2.get(featureId)); 
} 

v1Norm=Math.sqrt(v1Norm); 
v2Norm=Math.sqrt(v2Norm); 

double cosine= scalar/(v1Norm*v2Norm); 
System.out.println("v1 is: "+v1Norm+" , v2 is: "+v2Norm+" Cosine is: "+cosine);  
}

奇怪的是，那应该两个向量是不同的接近.9999结果这是错误的！

请注意，这两个地图的密钥完全相同。

数据文件是在这里：file

文件格式：

FEATUREID vector1_value vector2_value

来源

2013-03-12 DotNet

我们可以看到两个向量的数据吗？ – 2013-03-12 07:34:44

没有任何关于你的代码跳出。我同意安德斯的看法，我们需要查看数据。 – NPE 2013-03-12 07:39:02

@ AndersR.Bystrup当然。这是相当长的矢量虽然 – DotNet 2013-03-12 07:39:21

你的代码是正确的。

向量由几个大特征支配。在这些特征中，两个向量几乎是共线的，这就是为什么相似性度量接近于1。

我包含以下六个最大的功能。看看vec2与vec1的比率：这些功能几乎相同。

feature  vec1 vec2  vec2/vec1 

64806110 2875 1.85E+07 6.43E+03 
64806108 5750 3.68E+07 6.40E+03 
64806107 8625 5.49E+07 6.37E+03 
64806106 11500 7.29E+07 6.34E+03 
64806111 14375 9.07E+07 6.31E+03 
64806109 17250 1.08E+08 6.28E+03

来源

2013-03-12 07:56:11 NPE

谢谢。所以我应该规范这些功能？ – DotNet 2013-03-12 08:02:08

余弦相似度返回错误距离

回答

相关问题